بطاقة عنوان مُولّدة تحمل 82% هي تغريدة، وليست إدخالًا في لوحة الصدارة، مع العنوان الفرعي GPT-6.2 Sol، بعد يومين من الإطلاق، وثلاث شرائح تعرض منشور Browser Use بتاريخ 18 نوفمبر عند 82%، واللوحة العامة بتاريخ 29 أكتوبر عند GPT-6.1 Sol 81.3، وبطاقة الأسعار المشتركة البالغة $2 للإدخال و$10 للإخراج.
Guides & Insights

نتيجة GPT-6.2 Sol البالغة 82% في استخدام المتصفح هي تغريدة، وليست مدخلاً في لوحة الصدارة.

الكاتب

jinhao.song

تاريخ النشر

أحدث النماذج · 20عرض جميع النماذج →
المعايير: Artificial Analysis · يُحدَّث يوميًا
العودة إلى جميع المقالات

في 18 نوفمبر، نشرت Browser Use أن GPT-6.2 Sol هو الطراز الأعلى في معيارها لوكلاء المتصفح: 82%، بزيادة من 81% لـ GPT-6.1 Sol، وأرخص بنسبة 35% لكل مهمة، وأسرع بمرتين، وعدد خطوات أقل بنسبة 36%. وقد روّج لها Greg Brockman في اليوم نفسه بعبارة «GPT-6.2 مذهل في استخدام المتصفح». وقبل ذلك بيومين، كانت OpenAI قد أطلقت GPT-6.2 Sol بسعر 2 دولار لكل مليون رمز إدخال و10 دولارات لكل مليون رمز إخراج. هذا الادعاء جيد، وهو على الأرجح صحيح من حيث الاتجاه. وهو أيضًا، حتى اليوم، المكان الوحيد الذي توجد فيه تلك الأرقام الأربعة. لا تزال لوحة الصدارة العامة الخاصة بـ Browser Use تُدرج GPT-6.1 Sol عند 81.3 ولا تحتوي على صف لـ GPT-6.2 Sol على الإطلاق — فصفحة النتائج الخاصة بها تحمل ختم آخر تعديل بتاريخ 29 أكتوبر 2026، وعنوان URL الذي كان سيحتوي على صفحة خاصة بكل طراز لـ GPT-6.2 Sol يعيد 404. لذا فإن النسخة الصادقة من هذه القصة أضيق وأكثر فائدة من التغريدة: فمورّد معايير يخبرك أن الطراز الذي يصنفه الآن أولًا أفضل وأرخص وأسرع من الطراز الذي صنفه أولًا قبل ثلاثة أسابيع، وأن اللوحة التي كنت ستتحقق منها عادةً لتأكيد ذلك لم تلحق بالركب بعد.

ما الذي نشرته Browser Use فعليًا، بالكامل

نُشر المنشور المقتبس من حساب Browser Use نفسه عند الساعة 00:09 UTC في 18 نوفمبر. وجاء فيه: «GPT-6.2 Sol هو النموذج الأفضل لاستخدام المتصفح 👀 — 82%، ارتفاعًا من 81% لدى GPT-6.1 Sol؛ وأرخص بنسبة 35%؛ وأسرع بمرتين: 12 دقيقة بدلًا من 22 دقيقة؛ وخطوات أقل بنسبة 36%.» هذه أربع ادعاءات منفصلة تتفاوت قوتها تفاوتًا كبيرًا، وينبغي فصلها قبل استخدام أي منها لتبرير الانتقال.

• النتيجة — 82 مقابل 81. نقطة واحدة على مقياس متوسط مرجّح من 0 إلى 100 لدرجات معيار التقييم، في اختبار معياري تصف منهجيته المنشورة 180 مهمة تُنفَّذ على مواقع إلكترونية حية. نقطة واحدة تقع ضمن نطاق الضجيج لاختبار معياري يُعاد تشغيله على مواقع طرف ثالث متغيرة.

• التكلفة لكل مهمة — أرخص بنسبة 35%. هذا هو أقوى ادعاء في المجموعة، لأنه الادعاء الذي يستطيع مشغّل الوكيل إعادة إنتاجه بتكلفة زهيدة، ولأنه مقيّد حسابيًا: فأسعار التوكنات لم تتغير، لذا يجب أن يأتي التوفير من مكان آخر.

• الزمن الفعلي — 12 دقيقة بدلاً من 22. هذا هو الادعاء الذي يتعارض على نحو أكثر مباشرة مع بيانات المورّد المنشورة الخاصة به، وقد جرى تناوله أدناه.

• الخطوات — أقل بنسبة 36%. في وكيل المتصفح، الخطوات هي استدعاءات الأدوات، واستدعاءات الأدوات هي حيث تنفق حلقة الوكيل المال والوقت معًا. إن تقليل الخطوات بنسبة 36% يفسّر على نحو معقول معظم الأرقام الثلاثة الأخرى دفعة واحدة.

Browser Use Bench v2.1 ليس تمرينًا تسويقيًا. فبطاقة منهجيته تنص صراحةً على أن الدرجة هي متوسط درجة معيارية مرجّحة لكل مهمة على مقياس من 0 إلى 100، وأن عمود التكلفة هو التكلفة التقديرية للنموذج لكل مهمة بالدولار الأمريكي ولا يشمل تكاليف البحث والمُقيّم والمتصفح والمشغّل، وأن التشغيلات تجري على 180 موقعًا مباشرًا لا على مجموعة اختبار مجمّدة. هذا نظام قياس حقيقي. وهو أيضًا نظام لا يُعدّ فيه تحرّك الدرجة بنقطة واحدة وإعادة تشغيل موقع مباشر النوع نفسه من الأدلة، ولهذا كانت اللوحة تاريخيًا أكثر تحفظًا من منشوراتها على وسائل التواصل.

الأرقام الأربعة ليست على اللوحة.

تحققنا من لوحة الصدارة على browser-use.com/benchmarks/agents في 19 نوفمبر 2026. لا تزال بيانات التعريف الخاصة بمجموعة البيانات المهيكلة المضمّنة في تلك الصفحة تقرأ "Browser Use Bench v2.1 model results" مع dateModified بتاريخ 2026-10-29. البحث في مصدر الصفحة عن السلسلة "GPT-6.2" يعيد صفر نتائج مطابقة. صفحة النموذج الفردي على browser-use.com/benchmarks/models/gpt-6-2-sol غير موجودة — بل تعرض استجابة 404. ولا يزال قسم الأسئلة الشائعة في الصفحة نفسها يصف الترتيب القائم بأنه "GPT-6.1 Sol high: 81.3 من 100 بتكلفة 1.92 دولارًا للمهمة، على 180 مهمة على مواقع مباشرة. التالي هو GPT-6 Sol high عند 79.4."

A generated two-column scoreboard comparing the Browser Use post of 18 November against the public leaderboard of 29 October: score 82 versus GPT-6.1 Sol 81.3, cost per task 35% cheaper versus $1.92, time per task 12 minutes versus 14.3 minutes, steps 36% fewer versus not published, input $2.00 on both, output $10.00 on both.

ليس هذا اتهامًا بسوء نية. تُنشر الاختبارات القياسية وفق وتيرة منتظمة، أما الإعلانات فلا؛ والحساب الذي نشر في 18 نوفمبر هو الحساب الذي يدير أداة الاختبار، لذا بحوزته الأرقام قبل الموقع. لكن ذلك يحدد الوضع المعرفي لهذا المقال، وأي قرار شراء يُتخذ بناءً عليه هذا الأسبوع: أرقام 82٪ و35٪ و2x و36٪ مُبلّغ عنها من البائع وغير منشورة، بمعنى محدد هو أن جدول البائع المنشور نفسه لا يتضمنها بعد. أي فريق ينقل وكيل متصفح إنتاجي إلى GPT-6.2 Sol اليوم إنما يتصرف بناءً على إعلان عن معيار، لا على نتيجة معيار.

الخبر السار هو أن الإعلان يسهل دحضه. إذا صمدت الأرقام، فيفترض أن تظهر خلال أيام لوحة محدّثة تتضمن صفًا لـ GPT-6.2 Sol، وينبغي أن تصمد الأرقام الأربعة عند مقارنتها ببيانات JSON. وإذا ظهر الصف بأرقام مختلفة، فستعرف ذلك قبل أن تعيد بناء أي شيء.

خط الأساس في التغريدة لا يتطابق مع خط الأساس على اللوحة.

إليك التفصيل الجدير بالتنبيه، لأنه من النوع الذي يضيع عندما ينتقل الادعاء في صورة شاشة. تذكر التغريدة نتيجة GPT-6.1 Sol السابقة على أنها "81%" و"22 دقيقة". أما لوحة الصدارة المنشورة لدى Browser Use فتذكر GPT-6.1 Sol عند مستوى عالٍ من جهد الاستدلال بـ81.3 من 100 بتكلفة 1.92 دولار لكل مهمة، مع وسيط قدره 14.3 دقيقة. النتيجة قريبة بما يكفي — فـ81 و81.3 هما الرقم نفسه مقرّبًا بطريقتين مختلفتين. أما الوقت فليس كذلك. أربع عشرة دقيقة واثنتان وعشرون دقيقة ليستا القياس نفسه.

A capture of the Browser Use Bench leaderboard on 19 November 2026 showing 17 models on 180 live-website tasks, GPT-6.1 Sol high leading at 81.3 at $1.92 per task and a 14.3 minute median, GPT-6.1 Terra high at 79.0 for 35% less, and a last-updated stamp of Oct 29, 2026, with no GPT-6.2 Sol row visible.

ثمة تفسيرات بريئة. عمود الوقت في لوحة الصدارة هو وسيط عبر 180 مهمة حية، والوسيطات حساسة لأي المهام تُستبعد عند فشل موقع ما؛ فقد تكون 22 دقيقة متوسطًا، أو مجموعة فرعية عالية الجهد فقط، أو شريحة مهام مختلفة، أو قد تكون زمن التشغيل قبل أن يصل إصلاح لأداة الاختبار بين 29 أكتوبر و18 نوفمبر. وثمة أيضًا تفسير أقل براءة: رقم الوقت في التغريدة مقارنة اختيرت لجعل النموذج الجديد يبدو أسرع، والمقام الصادق لادعاء سرعة 2x هو ما أنتجته أداة الاختبار نفسها للنموذج القديم في اليوم نفسه.

لا يمكنك حسم ذلك من الخارج. ما يمكنك فعله هو رفض استيراد النسبة. تعني عبارة «أسرع بمرتين» هنا أن «أداة الاختبار الخاصة بالمورّد بتاريخ 18 نوفمبر قاست 12 دقيقة حيث قاست 22 دقيقة للنموذج السابق»، لا أن «GPT-6.2 Sol أسرع بمرتين من النموذج الذي تقول لوحة الصدارة العامة إنه يعمل في 14.3 دقيقة». إذا كانت السرعة هي سبب تفكيرك في التبديل، فالرقم الذي ينبغي التخطيط على أساسه هو الرقم المنشور البالغ 14.3 دقيقة إلى أن تحل لوحة جديدة محله، لأنه الرقم الوحيد الذي تقف خلفه صفحة منهجية.

لماذا ادعاء أن السعر أرخص بنسبة 35% مع الحسابات أسفله

إن التسعير يجعل ادعاء التكلفة قابلاً للتحقق على نحو لا تتيحه الادعاءات الأخرى. يحمل GPT-6.2 Sol وGPT-6.1 Sol بطاقة الأسعار نفسها، وفقًا لصفحات النماذج الخاصة بـ O​penAI:

• المدخلات — 2.00 دولار لكل مليون رمز في كليهما.

• المدخلات المخزّنة مؤقتًا — 0.10 دولار لكل مليون رمز في كلتا الحالتين. كتابة الذاكرة المؤقتة 2.50 دولار لكل مليون لذاكرة مؤقتة مدتها 30 دقيقة، و5.00 دولار لكتابة الـ12 ساعة، في كلتا الحالتين.

• الإخراج — 10.00 دولارات لكل مليون رمز في كليهما.

• سياق طويل — عند تجاوز 272,000 رمز إدخال، تتضاعف أسعار الإدخال والتخزين المؤقت، ويصبح سعر الإخراج 1.5 ضعف للطلب بأكمله، على كلا الطرازين. وتقع نقطة القفزة في الموضع نفسه.

• Batch — 50% من الأسعار القياسية لكليهما؛ يضاعف Fast mode القيمة، ويضاعف Ultrafast ثلاث مرات حتى 28 فبراير 2027، وست مرات اعتبارًا من 1 مارس 2027 لكليهما.

• السياق — نافذة سياق من 1,050,000 رمز، بحد أقصى 922,000 رمز إدخال، و128,000 رمز إخراج، نص وصورة إدخالاً، ونص إخراجاً، في كليهما. تاريخ قطع معرفة GPT-6.2 Sol هو 1 يونيو 2026 مقابل 30 أبريل 2026.

مدخلات متطابقة، وأسعار متطابقة لكل توكن. لذا فإن انخفاضًا بنسبة 35% في التكلفة لكل مهمة لا يمكن أن يكون تخفيضًا في السعر. لا بد أنه عدد أقل من التوكنات المشتراة، والتغريدة توضح الآلية: خطوات أقل بنسبة 36%. تهيمن على فاتورة التوكنات لدى وكيل المتصفح سجل المحادثة الذي يُعاد تشغيله في كل خطوة، لذا تتزايد الخطوات والتكلفة معًا بشكل شبه خطي في التشغيل الطويل. اخفض عدد الخطوات بمقدار الثلث وستهبط الفاتورة بنحو الثلث، وهو بالضبط حجم التوفير المبلغ عنه. يدعم الادعاءان بعضهما بعضًا، وهذا مؤشر جيد لكليهما.

إنه أيضًا تحذير حول كيفية تفسير التوفير. فمهمة أرخص بنسبة 35% لا تعني شهرًا أرخص بنسبة 35% إذا كان يُعطى النموذج الأرخص مهامًا فشل فيها النموذج القديم، أو إذا كان عدد الخطوات الأقل يعني أن الوكيل ينهي عمله مبكرًا ويعيد عملًا جزئيًا. ودرجة التقييم المعياري البالغة 82 هي ما يستبعد ذلك — فالتشغيل الذي يتوقف مبكرًا بخطوات أقل بمقدار الثلث سيسجل درجة أقل، لا أعلى بنقطة واحدة — لكن نقطة واحدة هامش ضيق لتحمل كل هذا الثقل.

إن تمرير أسعار الرموز دون تغيير هو الجزء الممل والمفيد حقًا في هذا الأمر. على OrcaRouter، نموذج هامش ربح 0% يعني أن سعر القائمة لدى المزوّد هو السعر الذي تدفعه، لذا عندما يغيّر مزوّد بطاقة أسعاره — كما فعلت OpenAI مع GPT-6.2 Astra، التي خفّضت 20% على الإدخال والإخراج في اليوم نفسه — يصبح التغيير ساريًا على المنصة في يوم حدوثه بدلًا من انتظار موزّع لإعادة التسعير. وهذا له وجهان أيضًا: لا يوجد ما يمكن المراجحة عليه، ولا خصم يمكن كسبه بالانتقال. إذا كنت تشغّل GPT-6.1 Sol عبر مفتاح API واحد اليوم، فإن استدعاء نموذج GPT-6.2 Sol سيكلّفك لكل رمز نفس ما يكلّفه لدى المزوّد.

ما يهم في حلقة الوكيل، بما يتجاوز العنوان الرئيسي

أربعة تفاصيل تشغيلية من صفحة نموذج OpenAI تهمّ نشر وكيل متصفّح أكثر مما يهمّه رقم المعيار القياسي، ولا يظهر أيٌّ منها في عنوان رئيسي بنسبة 82%.

• جهد الاستدلال — يرفض GPT-6.2 Sol لا شيء. أدنى إعداد هو إعداد فعلي، وليس مفتاحًا لإيقاف الاستدلال. يقبل GPT-6.1 Sol النطاق الكامل من الأدنى إلى الأقصى. إذا كان إطار التشغيل لديك يثبّت «لا استدلال، نفّذ فقط» لتقليل زمن الاستجابة، فإن هذا التكوين لا يكون قابلًا للنقل.

• الدفعات — مدعومة، بنسبة 50% من الأسعار القياسية. عادةً ما تكون مسارات وكلاء المتصفح حساسة لزمن الاستجابة، لذا يهمّ هذا أساسًا لتشغيلات التقييم دون اتصال أكثر من بيئات الإنتاج.

• نقاط النهاية — Responses وChat Completions وBatch. أما Realtime وAssistants وFine-tuning وImages وVideos وSpeech وTranscription فجميعها غير مدعومة. وعدم توفّر Fine-tuning هو ما يضرّ الفرق التي ضبطت سياسة متصفح على النموذج السابق.

• الأدوات — computer_use، web_search، mcp، hosted_shell، apply_patch، skills، tool_search، code_interpreter، image_generation وfile_search مُدرجة كمدعومة. بالنسبة لوكيل متصفح، فإن الثنائي المثير للاهتمام هو computer_use إلى جانب tool_search: إن إطار تشغيل يستطيع اكتشاف الأدوات أثناء التشغيل هو المصدر المرجح لتقليل الخطوات بمقدار الثلث، لأن الوكيل يتوقف عن تخمين إجراء غير موجود ثم إعادة محاولته.

• حدود المعدل — 5,000 طلب و1,000,000 رمز في الدقيقة ضمن فئة Build، و10,000 و4,000,000 ضمن Launch، و15,000 و40,000,000 ضمن Grow.

كيف تجربه دون المخاطرة بمسار الإنتاج عليه

الاستجابة الصحيحة لادعاءٍ في معيار قياس غير منشور هي عيّنة، وليست هجرة. اختر من عشرين إلى خمسين مهمة من مهام المتصفح الخاصة بك، وشغّلها على كلا النموذجين عبر الأداة نفسها وفي اليوم نفسه، ثم قارن ثلاثة أرقام: معدل الإكمال وفق معيار التقييم الخاص بك، وعدد الرموز المستهلكة لكل مهمة مكتملة، وزمن التنفيذ الفعلي عند p50 وp95. بعد ذلك قارن النتيجتين إحداهما بالأخرى بدلًا من مقارنتهما برقم Browser Use البالغ 82، لأن توزيع المهام لديهم ليس هو توزيعك، ولن تصمد فجوة نقطة واحدة عند نقل النتائج إلى سياقك.

ملاحظتان عمليتان لهذا الاختبار. أولًا، حدِّد جهد الاستدلال صراحةً على الجانبين واستخدم إعدادًا يقبله كلا النموذجين، وإلا فستقضي التشغيل في قياس فرق في التهيئة. ثانيًا، سجِّل عدد الخطوات، لأن انخفاض الخطوات بنسبة 36% هو الآلية الكامنة وراء ادعاء التكلفة وأول ما ينبغي تأكيده أو دحضه في بياناتك.

بالنسبة للتجربة نفسها، فإن التحويل عند الفشل هو الطريقة الرخيصة لتشغيل نموذج غير مُثبت إلى جانب نموذج مُثبت: وجّه العينة إلى النموذج الجديد مع رجوع تلقائي إلى النموذج الذي تثق به، بحيث يكلفك أي رفض أو انتهاء مهلة أو ارتفاع في حد المعدل إعادة محاولة بدلاً من وظيفة فاشلة. هذا مفيد هنا تحديدًا لأن GPT-6.2 Sol عمره يومان، وأنماط فشله على المواقع الحية هي بالضبط ما صُمم المعيار لقياسه ولم ينشره بعد. لكن انتبه إلى حالة الكتالوج: يسرد OrcaRouter 217 نموذجًا بما فيها GPT-6.1 Sol، النموذج الذي يتصدر حاليًا لوحة Browser Use، لكن GPT-6.2 Sol ليس مدرجًا عليها بعد — أما ذلك النموذج فستمر عبر واجهة OpenAI البرمجية الخاصة مباشرة. النموذج السابق بتسعير التمرير هو خط أساس سليم لقياس النموذج الجديد مقارنة به، وهذا هو الدور الذي ينبغي أن يؤديه هذا الأسبوع.

A capture of the OrcaRouter model catalogue listing more than 200 routable models in a provider-and-model table, with rows including openai/gpt-6.1-sol, openai/gpt-6-sol, openai/gpt-6-luna and openai/gpt-6-astra, and no GPT-6.2 Sol entry.

ما الذي قد يغيّر هذه القصة؟

ثلاثة أمور، مرتبة بحسب مقدار ما قد تغيّر به الإجابة. ظهور صف GPT-6.2 Sol على browser-use.com/benchmarks/agents بأرقام مطابقة للتغريدة أو قريبة منها — فهذا يحوّل إعلانًا من بائع إلى نتيجة من بائع، ويجعل حجة الانتقال أقوى بكثير، رغم أنه لن يكون مستقلًا بعد. وقياس مستقل من طرف ثالث لزمن مهام المتصفح وتكلفتها على المجموعة نفسها من المهام — هذا ما سيحسم مسألة 12 مقابل 22 دقيقة، وهو الرقم الذي ينبغي مراقبته. وتحليل مفصل منشور على مستوى المهام، لأن "خطوات أقل بنسبة 36%" إما تحسين على مستوى أداة الاختبار يعمّم على وكيلك أو خصوصية لـ180 موقعًا محدّدًا، والبيانات لكل مهمة وحدها هي التي تميّز بينهما.

حتى تتحقق أولى تلك النقاط على الأقل، فإن الخلاصة القابلة للدفاع عنها هي هذه: تكلفة GPT-6.2 Sol لكل رمز مماثلة لتكلفة GPT-6.1 Sol، والزيادة الصغيرة في النتيجة والخفض الكبير في التكلفة اللذان يذكرهما Browser Use متسقان داخليًا مع خفض استدعاءات الأدوات بمقدار الثلث، أما ادعاء السرعة فيستند إلى خط أساس لا يطابق الوسيط المنشور الخاص بالمورّد نفسه. هذا يكفي لتبرير تقييم لمدة يومين على مهامك الخاصة. ولا يكفي لتبرير إعادة كتابة.

مقارنات في هذه المقالة1

مستخرج من هذه المقالة · المعايير: Artificial Analysis · يُحدَّث يوميًا